使用IBk分类器和SMO分类器对vote.arff分别进行分类，由其输出的结果可知（）。 A: IBk正确分类百分比比SMO大 B: IBk对republican的分类正确率比SMO大 C: SMO对democrat的分类正确率比IBk小 D: SMO对democrat和republican的分类正确率都比IBk大

关于不同近邻数量及噪声对IBk的影响正确的是（）。

使用IBk分类器和SMO分类器对vote.arff分别进行分类，由其输出的结果可知（）。

Weka中加载天气数据集（weather.nominal.arff），打开IBk分类器。利用AddNoise过滤器向其中添加噪声，将K-NN参数设置为5，将分类噪声百分比Percent设置为30%。运行分类器，则以下描述错误的是()

Weka中加载天气数据集(weather.nominal.arff),打开IBk分类器。利用AddNoise过滤器向其中添加噪声,将K-NN参数设置为5,将分类噪声百分比Percent设置为30%。运行分类器,则以下描述错误的是()。 A: 分类器正确分类百分比为71.4286% B: 分类器均方根误差为0.4208 C: 类别属性值为“yes”的9个样本全部正确分类 D: 类别属性值为“no”的5个样本有1个被错误分类